目录

合合信息及其智能文档处理平台TextIn简介合合信息TextIn智能文档处理平台

2024世界人工智能大会展品亮点合合信息推出的大模型加速器：推动AI技术进步文档解析引擎：百页文档秒级处理，为大模型发展输送更加纯净的“燃料”acge模型：为大模型发展打造“指南针”

多领域的广泛应用

总结

2024年7月4日，备受瞩目的世界人工智能大会（WAIC）在上海隆重开幕。作为人工智能领域的领先企业，合合信息在本次大会上重点展示了其在大模型文档解析领域的最新成果。展会期间，合合信息不仅展示了大模型加速器的优势特点，更展现了其在复杂图表识别领域的实力。

合合信息及其智能文档处理平台TextIn简介

合合信息

合合信息是一家致力于智能文档处理技术的创新企业，拥有十余年的行业经验。公司深耕图像处理、模式识别、神经网络、深度学习、结构化文本识别（STR）、自然语言处理（NLP）、知识图谱等人工智能领域，积累了丰富的技术和实践经验。合合信息旗下的多个智能文字识别产品，如扫描全能王、名片全能王等，已成为行业内的标杆，广受用户好评。

TextIn智能文档处理平台

TextIn是合合信息旗下的智能文档处理平台，专注于为企业、开发者和个人用户提供智能文字识别引擎、产品和云端服务。在智能文字识别领域深耕17年，TextIn致力于图像处理、模式识别、神经网络、深度学习、STR、NLP、知识图谱等人工智能领域的研究。凭借行业领先的技术实力，TextIn为扫描全能王、名片全能王等产品提供强大的底层技术支持，并对企业、开发者和个人用户提供智能文字识别引擎、产品和云端服务。

今年三月，合合信息发布的文本向量化模型 acge_text_embedding（简称“acge模型”）在中文文本向量化领域取得了重大突破，荣获 Massive Text Embedding Benchmark (MTEB) 中文榜单（C-MTEB）第一名的成绩。

2024世界人工智能大会展品亮点

合合信息推出的大模型加速器：推动AI技术进步

大模型技术的不断发展和应用预示着未来将迎来更加智能化和个性化的时代。这些大模型，如同科技列车一般，正在以迅猛的速度前进，而其所需的语料则是推动其发展的珍贵“燃料”。在最近的世界人工智能大会上，合合信息推出了专为大模型打造的“加速器”解决方案，引起了广泛的关注和讨论。

在大模型训练的初期阶段，这款“加速器”中的文档解析引擎扮演着关键角色。它能够帮助大模型克服处理书籍、论文、研究报告等文档时常见的版面解析障碍，为模型的训练和应用提供高质量、清晰的“燃料”。通过解析复杂的文档结构，文档解析引擎有效地加速了大模型的数据处理能力，使其能够更快速地进行信息提取和分析。

除了文档解析引擎外，“加速器”还集成了行业领先的acge文本向量化模型。这种模型的引入大大提升了大模型在信息搜索和问答过程中的准确性和效率，有效解决了信息处理中常见的“已读乱回”的问题。通过更精准的语义理解和数据处理，acge模型确保大模型在其应用场景中保持准确的航向，从而使其在处理复杂问题时表现更为出色。

文档解析引擎：百页文档秒级处理，为大模型发展输送更加纯净的“燃料”

文档解析引擎在大模型技术的发展中扮演着至关重要的角色，尤其是在处理大规模语料时，其作用愈发显著。随着大模型的快速发展，对高质量语料的需求急剧增加，这些语料不仅为模型的训练提供“燃料”，更是推动其智能化和个性化应用的关键。

中国的大模型企业面临着语料短缺的挑战，尤其是中文语料在全球大模型数据集中的稀缺性尤为突出。许多宝贵的高价值语料沉睡在各类报告、论文、报纸等复杂版面的文档中，但由于这些文档的结构复杂，使得大模型难以有效提取和利用这些数据。

合合信息的文档解析引擎在这一背景下展现出强大的能量。它不仅能以极快的速度处理长达百页的文档，包括文本、表格、图像等非结构化数据，最快可达每秒1.5秒，是目前市面上同类产品中处理速度最快的之一。此外，引擎还具备出色的文档理解能力，能够智能地还原文档的阅读顺序，从而加速大模型在预训练、开发和实际应用中的多个流程。

在实际应用中，参观者可以选择多个知识领域的文档，向大模型提出专业问题，如物理、医学、金融和社会学等领域。通过加载文档解析引擎，大模型在回答问题的速度、详细程度和准确性上表现更加突出，为用户提供了更高效的知识查询和分析能力。

文档解析引擎的“理解力”进一步体现在对图表等复杂对象的处理能力上。当前市场上的大多数大模型缺乏对图表内容的识别和解析能力，而合合信息的引擎则能够对柱状图、折线图、饼图、雷达图等多种图表进行还原，并转化为大模型可读懂的markdown格式，直接获取图表的原始结构化数据。这种能力不仅提升了大模型在商业研报和学术论文等专业文档中的信息理解能力，还显著提高了语言理解、数据处理和知识推理分析的效率和准确性。

文档解析引擎的创新应用为大模型技术的进步开辟了新的可能性，特别是在处理复杂语料和图表数据时，为大模型的发展和应用提供了强有力的支持和推动。

acge模型：为大模型发展打造“指南针”

acge模型作为合合信息大模型“加速器”的核心组成部分，为大模型的发展提供了强大的“指南针”。除了解决语料质量问题外，它还致力于应对大模型发展中的“幻觉”现象，即模型在信息搜索和问答过程中可能产生的误导或不准确的情况。

acge_text_embedding模型通过深入学习大量中文文本数据，显著提升了大模型在信息处理中的质量、效率和准确性。这不仅使得搜索和问答引擎不再局限于简单的文字匹配，更能真正理解用户的意图和背景，从而为用户提供更智能化的服务和反馈。

如果将大模型比作一艘行驶的船，acge模型则扮演了“指南针”的角色，帮助大模型快速而准确地定位正确的信息“思路”。在信息海洋中，这种能力相当于帮助大模型迅速“捞针”，使其能够更精确地理解和回答复杂的专业问题，无论是在相似性搜索、信息检索还是推荐系统中，acge模型都能提供强大的技术支持，显著提升系统的性能和用户体验。

除此之外，acge模型还采用持续学习的训练方式，有效克服了神经网络可能面临的灾难性遗忘问题。这使得大模型能够在多个行业中快速适应新的数据和任务，为企业和机构创造新的生产力，并为技术创新提供了强有力的支持。

目前，合合信息的大模型“加速器”已经在多家领先的大模型厂商的预训练流程中得到应用。未来，“加速器”有望在金融、财经、建筑、医疗等数据密集型领域建立起行业级的知识库，帮助企业管理和优化知识资产，提升搜索效率，优化业务流程，进一步推动大模型在各行业的广泛应用，实现经济效益和社会价值的双赢。

多领域的广泛应用

多领域的广泛应用是大模型“加速器”在当前和未来发展中的重要方向。该技术已被多家头部大模型厂商广泛应用于预训练流程，不仅在科技领域，还在金融、医学、财经、媒体等多个领域的文档解析中展现了其重要作用。

在金融领域，大模型“加速器”可以高效地解析金融报表、市场分析报告等高度专业化和数据密集型的文档，帮助金融机构快速获取关键信息，优化投资决策和风险管理。在医学领域，该技术能够处理医学文献、临床报告等复杂的医学数据，支持医疗机构进行疾病诊断、治疗方案制定等临床决策，提升医疗服务的效率和质量。在财经领域，大模型“加速器”可以分析市场趋势、经济数据等大量财经信息，帮助企业和投资者做出精准的市场预测和战略规划。在媒体领域，该技术能够处理新闻报道、社论分析等大规模的文本数据，支持媒体机构提供个性化的新闻推荐和信息过滤服务，提升用户体验和内容生产效率。

未来，合合信息计划进一步扩展大模型“加速器”的应用领域，建立更为完善和广泛的“行业级知识库”。这将有助于企业实现知识资产的有效管理，提升搜索效率和信息检索的精准度，同时优化业务沟通流程，使大模型在不同行业的广泛应用下，更有效地促进企业的数字化转型和创新发展。这种源头活水的哺育方式，将进一步加速大模型技术在各行各业中的渗透和应用，为企业和社会带来更多的智能化和个性化解决方案。

总结

2024世界人工智能大会展示了AIGC技术在文档处理、古籍保护、大模型训练等多个领域的重大突破。扫描全能王的创新应用与合合信息大模型“加速器”方案，共同为推动人工智能技术的发展与应用提供了强大动力。未来，随着科技的不断进步，这些技术必将带来更多颠覆性的变革和机遇，让我们拭目以待。